交通物流運輸行業-FineBI行業解決方案
時間：2019-06-28 訪問量：560
交通物流運輸業通用FineBI分析方案
交通物流運輸大數據應用背景
新中國成立70多年來，中國交通運輸總體上經歷了從“瓶頸制約”到“初步緩解”，再到“基本適應”經濟社會發展需求的奮斗歷程，與世界一流水平的差距快速縮小，部分領域已經實現超越，一個走向現代化的綜合交通運輸體系正展現在世界面前。
經過多年改革發展，多節點、全覆蓋的綜合交通運輸網絡初步形成，“五縱五橫”綜合運輸大通道基本貫通，一大批綜合客運、貨運樞紐站場（物流園區）投入運營，運輸裝備發展不斷升級，運輸服務水平顯著提升，科技創新和應用實現重大突破，交通運輸市場體系、管理體制和法規體系不斷完善。
但盡管現代的交通物流運輸行業取得了一系列矚目成果，但背后也存在一系列大數據應用問題：
1.系統分散，大多是數據孤島，分布在各個交通物流運輸的業務系統中，難以進行整合分析。
2.傳統的實時監控系統、運輸管理系統、項目實施系統、項目運維等系統開發出來的報表相對單一，靈活性差、可交互性低，難以進行深入分析以回答更深層次的業務問題。
3.交通物流運輸領域無時無刻都在產生大量的數據，并且數據的增長速度越來越快，包括實時監控系統、運輸管理系統、項目實施系統、項目運維系統等等，這些數據到底是價值還是垃圾取決于我們是否能夠真正挖掘出其隱藏在數據中的潛能。
交通物流運輸大數據技術應用架構
基于交通物流運輸行業目前面臨的信息化建設現狀，帆軟FineBI提供的一站式大數據分析產品及解決方案可以幫助用戶快速搭建大數據分析平臺，敏捷制作專屬分析報告，并為用戶提供靈活的交互式分析操作，在業務協作過程中快速釋放數據價值。
從源數據對接——>數據抽取轉換——>數據倉庫——>數據集市——>整合分析——>自助分析，通過制定嚴格的數據規范定義，建立和保障完善的數據質量權責體系，完整的FineBI交通物流運輸行業大數據技術應用架構如下圖所示：
源數據方面，打通運輸管理系統、倉儲管理系統、人力資源系統、財務系統和其他第三方相關數據，消除數據信息孤島，然后進行數據抽取、數據轉換、數據加載的數據質量管理，之后進行ODS（規整-面向垂直數倉）、DWD（明細-面向業務過程）、DWS（匯總-面向分析主題）、ADS（組合面向使用場景）的數據整合寫入數據倉庫，并且輸出到數據集市中進行數據建模，按照經營決策、運營分析、財務分析、成本分析、客戶分析、倉庫監控、運輸監控、人員分析等進行整合分析，通過FineBI實現基礎科目的數據可視化展示，以及各類靈活場景的數據探索式自助分析。
教育行業典型FineBI應用場景
1.公共交通管理大數據平臺
a.問題背景
近些年對國家公共交通管理的數據信息化建設非常重視，特別是一些交通大屏監控看板的應用。此前在面對這類數據大屏監控的可視化展示需求時，一般會由外包項目方通過代碼等形式進行開發，然后經過美工不斷優化調整，最終再交付到相關部門進行評審和上線。
通過這種方式，雖然一些很細節的樣式需求也能夠不斷進行代碼調優，但是帶來的問題就是大屏看板從需求收集到開始開發，再到最終上線的周期太長了，一般來說一個大屏前前后后至少要半個多月時間才能開發完成，不能及時響應業務展現需求。
b.問題解決分析思路
通過FineBI的儀表板，快速進行公共交通管理大數據平臺數據圖表和布局呈現的設計，將公交總線路數、累計乘車人次、出發時間段分布、出行人數分布等關鍵指標進行大屏看板展現。
c.方案/指標體系
d.應用對象
管理層領導
e.成果展示和應用價值
1.根據出行統計的公共交通線路高峰期，合理規劃路線，降低出行交通擁堵情況。
2.實時監控當前公共交通管理大數據平臺的數據狀態，通過提前設定好的預警值進行數據預警，及時調整公共交通管理策略。
3.通過對核心數據進行大屏設計和布局美化，關鍵指標一目了然。
2.物流經營分析
a.問題背景
在應對一些業務部門突發性、即時性的數據分析需求時，由于缺乏敏捷型的BI工具，系統中已有的固定化報表還是顯得有些捉襟見肘，無法進行深入的業務數據探索式分析，導致IT部門對業務部門的需求無法及時做出響應。
例如物流經營分析過程中，有的時候會出現某個月份的月報數據出現毛利下滑的異常，傳統的月報、季報等固定化報表無法深入的回答導致數據下滑的真實本質原因。
b.問題解決分析思路
借助FineBI產品聯動、鉆取等OLAP多維分析特性，依次從下屬分公司>分公司的客戶>客戶運輸目的地>線路目的地來挖掘導致2018年3月毛利率下降的原因。
c.方案/指標體系
d.應用對象
業務管理部門
e.成果展示和應用價值
1.借助FineBI產品聯動、鉆取等OLAP多維分析特性，依次從下屬分公司>分公司的客戶>客戶運輸目的地>線路目的地，逐層深入分析，找出導致2018年3月毛利率下降的真實本質原因，及時調整問題線路的運營策略。
2.相較于傳統的企業數據工作流程：從業務部門和相關領導開始提出該問題之后，再到IT部門去進行問題分析、數據收集、數據加工建模、數據報表制作、數據分析、分析報告總結、業務部門驗證。FineBI的企業自助式工作流程確實能夠起到解放企業IT人力的作用，大大提高了業務的數據分析效率和應用效率。
3.物流看板
a.問題背景
對于物流運輸管理而言，構建關鍵指標的物流看板是極為重要的，但是實際上很多數據并沒有真正利用好：
1.當前物流發貨總件量是多少？簽收數量和簽收占比如何？哪些地區72H到件量最低？
2.物流貨運時效如何，時效大于等于三天的件量和占比分別是多少？
3.小于800到件量的分別有哪些地區？近七日流向TOP10和近七日時效TOP10分別有哪些運輸線？
b.問題解決分析思路
1.整合相關物流系統的運輸數據，將不同系統、不同數據庫中數據整合。
2.通過圖表加明細數據，合理布局引導，構建儀表板進行統一展現。
c.方案/指標體系
d.應用對象
業務管理部門
e.成果展示和應用價值
通過實時監控系統，及時發現業務的異常點，建立高效的異常處理流程，及時改進異常點。
4.物流流向分析
a.問題背景
作為物流看板的一部分，物流流向分析自然是不可或缺的：
1.某個城市的總簽收件數、總發貨件數、總簽收占比分別是多少？
2.地域分布方面，有哪些物流流線，對應的物流流量分別是多少？流線TOP10的城市分別是哪些？
b.問題解決分析思路
1.整合相關物流系統的運輸數據，將不同系統、不同數據庫中數據整合。
2.通過圖表加明細數據，合理布局引導，構建儀表板進行統一展現。
c.方案/指標體系
d.應用對象
業務管理部門
e.成果展示和應用價值
構建快遞流向分析看板，按照流向統計分析數據，關鍵指標一目了然。
5.物流時效分析
a.問題背景
物流時效分析，同樣也是作為物流看板的補充：
1.各個省份地區，哪些省份物流時效最高，時效低的又是哪些省份，分別有什么特征？
2.不同大區是否有明顯物流時效差異，是否和地區基礎物流建設水平有關？
3.同城配送平均時長超過三天的有哪些地區，分別是什么因素導致的，如何改進？
b.問題解決分析思路
1.整合相關物流系統的運輸數據，將不同系統、不同數據庫中數據整合。
2.通過圖表加明細數據，合理布局引導，構建儀表板進行統一展現。
c.方案/指標體系
d.應用對象
業務管理部門
e.成果展示和應用價值
構建快遞流時效看板，按照不同地區配送時效統計分析數據，關鍵指標一目了然。
6.航空流量分析
a.問題背景
對于航空運輸領域而言，需要關注以下問題：
1.分析機場覆蓋有哪些國家和通航地區，對應地區的機場數量有多少？
2.國內和國際的客戶市場份額占比如何，對應承運的航空公司分別有哪些，旅客吞吐量和比重分別是多少？
3.不同月份的起降架次和旅客吞吐量走勢如何，什么時候是航空出行高峰期？
b.問題解決分析思路
1.整合相關航空系統的運輸數據，將不同系統、不同數據庫中數據整合。
2.通過圖表加明細數據，合理布局引導，構建儀表板進行統一展現。
c.方案/指標體系
d.應用對象
航空管理部門
e.成果展示和應用價值
構建航空運輸管理看板，按照不同承運的航空公司進行吞吐量等數據的統計分析，關鍵指標一目了然。
